[發明專利]多姿態人臉性別檢測訓練優化方法、裝置及相關設備

在審

• 申請號: 202011521184.8
• 申請日: 2020-12-21
• 公開（公告）號: CN112633146A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 李偉;蔡亮;張帥;李吉明;匡立中
• 申請（專利權）人: 杭州趣鏈科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06F21/60
• 代理公司: 深圳眾鼎匯成知識產權代理有限公司 44566
• 代理人: 張宏杰

1.一種基于聯邦學習的多姿態人臉性別檢測訓練優化方法，其特征在于，包括：

A、對客戶端向服務端所發送的梯度信息與參數信息進行接收，根據所述參數信息獲取聯邦模型參數；其中，所述梯度信息包括：基于神經網絡對已標注性別與頭部姿態分類標簽的人臉圖片進行訓練所得到的梯度信息和所述客戶端進行本地訓練模型更新所需的本地梯度信息；所述參數信息包括：基于神經網絡對已標注性別與頭部姿態分類標簽的人臉圖片進行訓練所得到的參數信息和所述客戶端進行本地訓練模型更新所需本地參數信息；

B、基于異步隨機梯度下降優化算法對所述聯邦模型參數和所述梯度信息進行計算，獲得聯邦學習梯度信息；

C、根據所述聯邦模型參數和所述聯邦學習梯度信息，對服務端的聯邦模型進行參數更新；

D、判斷所述聯邦模型中的損失值是否達到預設值，若所述損失值達到所述預設值，則結束方法流程；若所述損失值未達到所述預設值，則返回繼續執行步驟A至D。

2.根據權利要求1所述的方法，其特征在于，在步驟A之前還包括：

在所述客戶端與所述服務端之間建立網絡連接；

通過所述網絡連接將所述服務端的公鑰發送給所述客戶端；

在所述客戶端使用所述公鑰對欲發送的所述梯度信息與所述參數信息進行加密，并發送至所述服務端；

在所述服務端接收到被加密的所述梯度信息與所述參數信息后，使用所述服務端的私鑰對被加密的所述梯度信息與所述參數信息進行解密。

3.根據權利要求1所述的方法，其特征在于，在所述步驟A中根據所述參數信息獲取聯邦模型參數的步驟具體為：

對所述參數信息進行加權求和，獲得所述聯邦模型參數。

4.根據權利要求1所述的方法，其特征在于，步驟C之后還包括：

將所述聯邦模型參數和所述聯邦學習梯度信息發送給所述客戶端。

5.根據權利要求4所述的方法，其特征在于，所述發送所述聯邦模型參數和所述聯邦學習梯度信息給所述客戶端的步驟之后還包括：

根據所述聯邦模型參數和所述聯邦學習梯度信息，對所述客戶端的本地梯度信息與本地參數信息進行更新；

根據更新后的本地梯度信息與本地參數信息，對客戶端的本地訓練模型進行更新；

將更新后的所述本地梯度信息與所述本地參數信息發送給所述服務端。

6.一種基于聯邦學習的多姿態人臉性別檢測訓練優化裝置，其特征在于，包括：

獲取參數模塊，用于對客戶端向服務端所發送的梯度信息與參數信息進行接收，根據所述參數信息獲取聯邦模型參數；其中，所述梯度信息包括：基于神經網絡對已標注性別與頭部姿態分類標簽的人臉圖片進行訓練所得到的梯度信息和所述客戶端進行本地訓練模型更新所需的本地梯度信息；所述參數信息包括：基于神經網絡對已標注性別與頭部姿態分類標簽的人臉圖片進行訓練所得到的參數信息和所述客戶端進行本地訓練模型更新所需本地參數信息；

獲取信息模塊，用于基于異步隨機梯度下降優化算法對所述聯邦模型參數和所述梯度信息進行計算，獲得聯邦學習梯度信息；

參數更新模塊，用于根據所述聯邦模型參數和所述聯邦學習梯度信息，對服務端的聯邦模型進行參數更新；

判斷模塊，用于判斷所述聯邦模型中的損失值是否達到預設值，若所述損失值達到所述預設值，則結束方法流程；若所述損失值未達到所述預設值，則返回繼續執行獲取參數模塊至判斷模塊。

7.根據權利要求6所述的裝置，其特征在于，所述獲取參數模塊之前包括：

網絡連接建立模塊，用于在客戶端與服務端之間建立網絡連接；

公鑰發送模塊，用于通過所述網絡連接將所述服務端的公鑰發送給所述客戶端；

加密模塊，用于在所述客戶端使用所述公鑰對欲發送的所述梯度信息與所述參數信息進行加密，并發送至所述服務端；

解密模塊，用于在所述服務端接收到被加密的所述梯度信息與所述參數信息后，使用所述服務端的私鑰對被加密的所述梯度信息與所述參數信息進行解密。